-
公开(公告)号：CN119288467A
公开(公告)日：2025-01-10
申请号：CN202411331770.4
申请日：2024-09-24
Applicant: 苏州大学
Abstract: 本发明公开了一种基于煤岩界面精细化识别的采煤机自适应调高系统及方法，系统包括煤层厚度检测模块、截割状态检测模块和采煤机调高控制模块，煤层厚度检测模块根据煤岩界面反射后的电磁波信号、每个液压支架的摆角数据和推移滑溜量，获得矿山绝对坐标系下的单刀煤岩界面，并存储至历史刀次煤岩界面数据库；截割状态检测模块采集截割声波信号，根据截割声波信号、历史刀次煤岩界面判别采煤机滚筒实时截割状态，进行煤岩界面精细化识别与局部修正；采煤机调高控制模块以历史刀次煤岩界面信息为依据，预测当前刀次煤岩界面，规划采煤机滚筒的目标截割路径，并进行采煤机调高控制。本发明具有采煤率高、经济性好、精度高、系统可靠的特点。
-
公开(公告)号：CN118759589A
公开(公告)日：2024-10-11
申请号：CN202410753627.8
申请日：2024-06-12
Applicant: 苏州大学
Abstract: 本发明公开了基于深度学习辅助多重信号分类的雷达煤岩界面识别方法，其使用地质雷达GPR发射低频超宽带电磁波进行数据采集，获取地下煤层的回波信号；对煤层进行建模，构建信号接收模型，利用信号接收模型对获取的回波信号进行处理并输出初始信号；对信号接收模型输出的初始信号进行预处理得到回波信号；针对处理后的回波信号，分别应用深度学习模型及多重信号分类MUSIC算法进行时间延迟估计TDE；将深度学习模型得到的TDE与MUSIC算法得到的TDE输入到一个多层感知器MLP模型，融合估计结果，输出煤岩界面识别结果。本发明大大提高了雷达信号处理的精度和分辨率，从而提高煤岩界面识别的准确性。
-
Patent Agency Ranking
公开(公告)号：CN118550951B
公开(公告)日：2024-11-12
申请号：CN202411020485.0
申请日：2024-07-29
Applicant: 苏州大学
IPC: G06F16/2457 , G06F16/29 , G06F16/9535 , G06F16/9537 , G06N5/045 , G06Q10/10
Abstract: 本发明公开了一种融合节点上下文信息的可解释开源项目推荐方法，包括以下步骤：（1）采集GitHub平台开发者行为数据并存储；（2）构建开源项目关联网络；（3）构建基于节点上下文信息与时空特征的关联路径；（4）构建开源项目推荐模型并训练，得到目标节点对间的权重；（5）利用剪枝策略对关联路径进行随机采样；本发明揭示节点间的全局依赖与局部关联，从而构建更有效的关联路径，提高项目推荐准确度，还能有效应对数据稀疏难题，推动开源社区的持续发展和进步。
-
公开(公告)号：CN118365221B
公开(公告)日：2024-11-12
申请号：CN202410791233.1
申请日：2024-06-19
Applicant: 苏州大学
IPC: G06Q10/0639 , G06Q30/0601
Abstract: 本发明公开了一种基于节点亲密度的可解释性开源项目推荐方法，包括以下步骤：（1）采集GitHub平台开发者行为数据并存储；（2）构建开源项目关联网络；（3）构建节点亲密度与可解释性指标；（4）基于将图中的每个节点嵌入为多维矩阵；利用节点的嵌入矩阵计算G中节点间的期望权重；（5）构建开源项目推荐模型并训练，得到目标节点对间的权重；（6）以目标节点对间的具体权重来判断开源项目间是否存在链接；根据开源项目的可解释性推荐结果，从平台所有开源项目中确定出前N个开发者作为推荐结果；本发明通过构建节点亲密度指标，并基于该指标进行推荐算法的设计，可以为用户提供更加准确、可靠和个性化的开源项目推荐服务。
-
公开(公告)号：CN118365221A
公开(公告)日：2024-07-19
申请号：CN202410791233.1
申请日：2024-06-19
Applicant: 苏州大学
IPC: G06Q10/0639 , G06Q30/0601
Abstract: 本发明公开了一种基于节点亲密度的可解释性开源项目推荐方法，包括以下步骤：（1）采集GitHub平台开发者行为数据并存储；（2）构建开源项目关联网络；（3）构建节点亲密度与可解释性指标；（4）基于将图中的每个节点嵌入为多维矩阵；利用节点的嵌入矩阵计算G中节点间的期望权重；（5）构建开源项目推荐模型并训练，得到目标节点对间的权重；（6）以目标节点对间的具体权重来判断开源项目间是否存在链接；根据开源项目的可解释性推荐结果，从平台所有开源项目中确定出前N个开发者作为推荐结果；本发明通过构建节点亲密度指标，并基于该指标进行推荐算法的设计，可以为用户提供更加准确、可靠和个性化的开源项目推荐服务。
-
公开(公告)号：CN119795912A
公开(公告)日：2025-04-11
申请号：CN202411835779.9
申请日：2024-12-13
Applicant: 苏州大学
IPC: B60L3/00 , G01R31/392 , G01R31/387 , G01R31/367 , G06F18/213 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于数据驱动的电动汽车电池健康状态预测方法和系统。其中方法包括获取电动汽车行驶数据与电池循环数据，以提取电池充放电片段，得到第一充放电片段；计算电池容量，删除第一充放电片段中异常的充放电片段，得到第二充放电片段；构建与电池充电模式相关的充电特征集和与电动汽车驾驶员驾驶行为相关的放电特征集，并构建充放电数据集；构建基于卷积神经网络、时间卷积网络与高效通道注意力机制的双通道深度学习模型；利用充放电数据集训练双通道深度学习模型，以充电特征和放电特征分别作为双通道深度学习模型的双通道输入，对电动汽车电池的健康状态进行实时预测。本发明可以准确预测电动汽车电池的健康状态，并具有较高的实时性。
-
公开(公告)号：CN118550951A
公开(公告)日：2024-08-27
申请号：CN202411020485.0
申请日：2024-07-29
Applicant: 苏州大学
IPC: G06F16/2457 , G06F16/29 , G06F16/9535 , G06F16/9537 , G06N5/045 , G06Q10/10
Abstract: 本发明公开了一种融合节点上下文信息的可解释开源项目推荐方法，包括以下步骤：（1）采集GitHub平台开发者行为数据并存储；（2）构建开源项目关联网络；（3）构建基于节点上下文信息与时空特征的关联路径；（4）构建开源项目推荐模型并训练，得到目标节点对间的权重；（5）利用剪枝策略对关联路径进行随机采样；本发明揭示节点间的全局依赖与局部关联，从而构建更有效的关联路径，提高项目推荐准确度，还能有效应对数据稀疏难题，推动开源社区的持续发展和进步。
-
-
-
-
-
-
Search Results
7
records
(took 0.015 seconds)
